Dissertação
InVivo Muscle – Analysis of Functionality-related Patterns EVALUATED
O Projecto InVivo Muscle almejava caracterizar a população idosa Portuguesa. Dois conjuntos de dados foram criados, um resultante de respostas a questionários sociodemográficos, de saúde e actividade física e de resultados de testes de funcionalidade e outro de sinais biomecânicos dos testes Andar, Subir e Descer Escadas. O objectivo desta Tese era aplicar técnicas de Reconhecimento de Padrões a esses conjuntos de dados, para discriminar populações de baixa e alta Funcionalidade e determinar as features mais nesse aspecto. Para o primeiro caso, utilizando Classificadores k-NN e Naive Bayes (Aprendizagem Supervisionada), as taxas de erro de 6,9% e 8,7% foram respectivamente obtidas. Usando Selecção de Features (FS) por Wrappers esses resultados melhoraram: 4% e 6,4%. Usando Ward’s e K-means clustering (Aprendizagem não Supervisionada) erros de 8,8% e 8,1% foram obtidos. Com FS esses resultados melhoraram: 8,2%, 6,6% (Filters), 7,6% e 4,6% (Wrappers). Nos dados biomecânicos, o erro para o k-NN foi de 4,9% e 0% (com e sem FS), resultados claramente sobreajustados. O Naive Bayes apresentou erros de 16,0% e 12,3%, respectivamente. Os erros do Ward’s foram 29,6%, 13,6% e 18,5% (sem FS, Filter e Wrapper FS) e do K-means 37%, 14,8% e 18,5%. Ward’s Lifetime alcançou níveis de consistência de 0,889. As features mais relevantes não directamente relacionadas com o cálculo dos índices de funcionalidade foram, para o primeiro conjunto, género, índice de massa corporal, actividade física, idade e viver sozinho. Para os dados biomecânicos, ângulos e momentos articulares, particularmente da bacia, anca e tornozelo, foram as features mais seleccionadas.
novembro 27, 2014, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
CO-ORIENTADOR
Faculdade de Medicina da Universidade de Lisboa
Professor Catedratico
